تکامل نسلی، رویکردی نوآورانه به منظور بازآموزی مدل های شبکه های عصبی انتشار

سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 81

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

DSAI01_041

تاریخ نمایه سازی: 4 تیر 1403

چکیده مقاله:

در این پژوهش می کوشیم ابتدا نگاهی به مبانی تئوری و معماری های مختلف هوش مصنوعی در حوزه تولید تصویر از متن توصیفی داشته باشیم وپس از آن مدل های انتشار را به عنوان کارآمدترین مدل تولید تصویر در حال حاضر به صورت عمیق تر بررسی خواهیم کرد. در ادامه بررسی اجمالی براثربخشی فرآیند بازآموزی این مدل ها مبتنی بر راهبرد تطبیق پذیری مرتبه پایین را بررسی خواهیم کرد و در نهایت روش نوآورانه تکامل نسلی را مبتنی برآن ارائه خواهیم داد. هدف اصلی در فرآیند تکامل نسلی افزایش دو پارامتر زیبایی بصری و شباهت با نسخه واقعی می باشد که بر اساس نمونه گیری آماریاز نتایج خروجی مدل ها این دو پارامتر به ترتیب و به صورت میانگین ۲۷ و ۱۴ درصد افزایش را نشان می دهد.

کلیدواژه ها:

خلق تصاویر با هوش مصنوعی ، مدل های انتشار ، بازآموزی شبکه های عصبی ، تطبیق پذیری مرتبه پایین ، تکامل نسلی

نویسندگان

ابوالفضل محمدی شاهرخ آبادی

فارغ التحصیل کارشناسی ارشد مهندسی فناوری اطلاعات، پژوهشگر حوزه هوش مصنوعی

سارا نقدی سپهوند

دانشجوی ترم آخر کارشناسی مهندسی کامپیوتر، دانشگاه لرستان